DONG Energy

Som hos Københavns Energi er datakvalitet ofte et aktuelt emne ved overgang til nye systemer og i fusioner, hvor flere databaser skal slås sammen. SAS Institute anbefaler som hovedregel en automatisering af arbejdet med datakvalitet, så virksomheder undgår at ”slukke ildebrande” antændt af ringe datakvalitet.

Københavns Energi (nu DONG Energy) havde et stort problem: 60.000 poster i erhvervskunde-databasen var fejlbehæftede og uegnede til selskabets kundekontakt. Nu er usikkerheden elimineret, og det styrker forsyningsvirksomheden til kampen om energikunderne.

Energimarkedet er gået fra monopoltilstande til hård konkurrence, og markedsandelene bliver især flyttet på det professionelle marked, hvor virksomheder storforbruger gas, el og varme. Markedsføring, kampagner og virksomhedsrådgivning er våbnene i kampen på forsyningsmarkedet. Men det er sjældent så banalt, som man skulle tro, at få data om adresse, firmanavn, og personnavne til at stemme - og samtidig matche data om salg af produkter og ydelser og den samlede kunderelation. Dette udgjorde en stor udfordring for Københavns Energi (KE), der var yderligere presset til at få styr på kundedatabasen efter DONG’s opkøb af virksomheden.

KE har traditionelt registreret og organiseret afregningen efter målerne. Derfor betød overgangen fra tidligere afregningssystemer til et kundeorienteret SAP-system, at adresser og CVR-numre ikke matchede nogen andre data. Dette forhindrede en metodisk bearbejdning af markedet. Hos KE kan sælgerne nu stole på de ”nyvaskede” og samkørte data, som er lagt på plads i CRM-delen af SAP, og de kan dermed fortsætte kampen om de store energikunder på det liberaliserede energimarked.

Tæt på 100 procent
-Vi havde helt klart slået til, hvis vi havde fået et match på to tredjedele af posterne i databasen. Nu nåede vi 94 procent, og det er fantastisk flot, siger marketingspecialisten Ken Remontius fra KE, hvis hovedopgave er at støtte salgsarbejdet og ekvipere salgsstyrken med de bedst mulige værktøjer.

-Det er nok overraskende for mange, men vi havde faktisk bedre data om kundeemnerne end om vores egne kunder. På kundeemnerne havde vi korrekte data om virksomheden, men det havde vi ikke på kunderne. Det problem er løst nu, siger Ken Remontius.

KE bad SAS Institute om at lave et match mellem almene virksomhedsoplysninger og KEs målerbaserede data i egne systemer. Dette projekt førte til et fuldstændigt match på 20.000 poster og et sandsynligt match på øvrige 37.000 poster. Samlet nåede KE op på 57.000, hvilket er tæt på 100 procent i hele databasen.

SAS tilbød en styret proces, fast prisaftale og erfarne konsulenter til opgaven. Metoden rummede en profilering af data i flere forskellige kategorier og en intelligent matchning baseret på sandsynlighedsberegning. Teknologien nedenunder er SAS® Data Quality Solution, som er en special-designet løsning til at håndtere problemer med datakvalitet. I praksis opstillede SAS en model for matchningsprocessen, hvormed KE kunne identificere de fuldstændige og de sandsynlige match ud fra en række forskellige variable, der omfattede fejl i stavemåder, fejl i adresser, flytninger osv.

Da projektet gik i gang, lovede SAS et match på 80 procent, men det havde KE problemer med at tro på, fordi tidligere projekter og andre leverandører havde slået fejl. SAS overgik sit eget løfte til KE, og tilbagebetalingen af den investering er indiskutabel:

-Bare portoen på en enkelt forsendelse til kundebasen giver os pengene igen. Og så tager vi slet ikke højde for vores forøgede muligheder på hele salgs- og marketingområdet, hvor et entydigt match mellem de to datatyper er helt nødvendigt.